从通信网络的有限观测周期估计事件间时间分布

多种多样的过程——包括复发性疾病发作、神经元放电以及人类之间的通信模式——都可以用事件间时间 (IET) 分布来描述。许多此类过程是持续进行的，尽管事件序列仅在有限的观测窗口内可用。由于观测时间窗口更可能在长 IET 期间开始或结束，而不是在短 IET 期间，因此此类数据的分析容易受到由有限观测期引起的偏差影响。在本文中，我们阐述了这种长度偏差是如何产生的，以及如何在不对 IET 分布的形状做任何特定假设的情况下对其进行修正。为此，我们使用平稳更新过程对事件序列进行建模，并制定了简单的启发式方法来确定偏差的严重程度。为了说明我们的结果，我们聚焦于实证通信网络的例子，这些网络是由通信事件构建的时间网络。此类系统的 IET 分布指导着人类行为模型的构建工作，而 IET 的方差对于估计时间交互网络中的信息传播速率至关重要。我们分析了文献中的几个知名数据集，发现由此产生的偏差会导致对 IET 分布方差的系统性低估，而修正该偏差可能会导致 IET 分布尾部的定性结果截然不同。